不知道你有沒有看過這樣的一句話：

15歲覺得游泳難，放棄游泳，

18歲遇到一個你喜歡的人約你去游泳，你只好說“我不會”。

18歲覺得英文難，放棄英文，28歲出現一個很棒但要會英文的工作，你只好說“我不會”。

人生前期越嫌麻煩，越懶得學，后來就越可能錯過讓你動心的人和事，錯過新風景。

轉行這個詞，我常常聽到身邊的朋友談起，很多人對于轉行非常的敏感。比如，我的一位好友在一個行業已經待了三年，突然遇到了發展瓶頸，想要轉行，那對于他來說可能是一件很難的事情，因為他不僅要考慮學習能力、還要考慮家庭。

但是如果這個行業真的已經沒有你施展空間，薪資也無法上漲，那你可能真的要重新規劃自己的努力方向了。

互聯網時代，誰都希望能擁有一份高薪又有前景的工作！現如今大數據與人工智能熱潮，相信會有很多對數據分析感興趣的小伙伴。但是對于數據分析的零基礎小白們，他們并不知道進入數據分析行業需要學什么，也不太清楚數據分析師平時工作都在干什么。今天特意給大家一些建議，希望對你們有所啟發。

1.數據分析需要掌握的東西

（1）數學與統計基礎：數據分析是運用統計方法和分析工具對大量數據進行分析，挖掘出其潛在規律及價值，為經營決策提供科學嚴謹的理性依據。

（2）運用分析工具：基礎工具我們需要掌握Excel與統計分析工具SPSS的用法。

（3）SQL數據庫語言：數據的存儲便離不開使用數據庫，需掌握SQL數據庫語言在關系型數據庫系統中進行增刪改查等操作才行。

（4）數據挖掘、機器學習：這部分可以選擇性學習。主要是了解數據挖掘和機器學習的基本概念和理論。比如：分類、聚類、回歸、決策樹、貝葉斯定理等。

2.數據分析的升級路線是怎么樣的

（1）數據采集端：主要負責采集相關數據，這些數據既可以來自埋點，也可以來自爬蟲】。

（2）數據工程端：主要負責結構化存儲海量數據，使得采集到的數據以及歷史數據以最優化的方式被存儲以及調用，涉及到的知識點在于數據庫方面，從最基礎的SQL到Hadoop集群、分布式存儲、NoSQL等。

（3）數據分析端：主要負責將待挖掘的數據清洗、挖掘、分析，給出數據背后的洞察和建議，此方向又可細分為偏業務的數據分析和偏技術的數據挖掘。

3.偏技術方向的數據分析

（1）數據挖掘工程師：看重數據技術，比如統計學基礎、數據庫操作(SQL等)編程基礎(python等)、機器學習基礎(分類模型等)。

（2）算法工程師：看重理論基礎，比如機器學習算法原理、相關數學原理等。算法工程師的主要工作一般是研究算法、為公司的相關業務需求優化算法。

4.如何學習

這里的話，推薦大家可以看下我們平時的一些免費視頻、資料，如果非常感興趣，可以咨詢小編哦。